[发明专利]基于注意力权重的图嵌入特征提取方法、装置及电子设备

权利要求书

1.一种基于注意力权重的图嵌入特征提取方法，其特征在于，所述方法包括：

基于用户通话信息构建关系图；

根据当前节点与各个邻节点的通话信息计算各个邻节点的注意力权重；所述注意力权重用于反映当前节点与各个邻节点之间通话的亲密度；

根据所述注意力权重对各个邻节点进行采样，得到固定个数的邻节点；

根据所述固定个数的邻节点对应的向量序列训练图神经网络；

配置目标函数，通过梯度下降法最小化所述目标函数，得到所述图神经网络参数；

将待处理用户通话信息输入所述图神经网络中，得到图嵌入特征。

2.根据权利要求1所述的方法，其特征在于，对于节点u，有邻居节点集合V_u，则第i个邻居节点u_i的注意力权重为：

其中，P_ui是第i个节点的通话信息。

3.根据权利要求1或2所述的方法，其特征在于，所述通话信息包括：通话时长和/或在预定时间内的通话次数。

4.根据权利要求1所述的方法，其特征在于，所述根据所述固定个数的邻节点对应的向量序列训练图神经网络包括：

将节点v在第k-1层固定个数的邻节点对应的向量序列进行聚合，得到节点v在第k层的聚合向量；

其中，节点v在第k层的聚合向量为：

其中，σ为非线性激活函数，为平均节点v的邻节点在第k-1层的向量，为节点v在第k-1层的向量，W_k和B_k为所述图神经网络的参数。

5.根据权利要求4所述的方法，其特征在于，所述目标函数为：

其中，为节点v在第k层的聚合向量的转置，Z_ni为节点v在第i层的聚合向量。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将所述图嵌入特征输入反欺诈模型中，预测用户欺诈风险。

7.一种基于注意力权重的图嵌入特征提取装置，其特征在于，所述装置包括：

构建模块，用于基于用户通话信息构建关系图；

第一计算模块，用于根据当前节点与各个邻节点的通话信息计算各个邻节点的注意力权重；所述注意力权重用于反映当前节点与各个邻节点之间通话的亲密度；

采样模块，用于根据所述注意力权重对各个邻节点进行采样，得到固定个数的邻节点；

训练模块，用于根据所述固定个数的邻节点对应的向量序列训练图神经网络；

第二计算模块，用于配置目标函数，通过梯度下降法最小化所述目标函数，得到所述图神经网络参数；

输入模块，用于将待处理用户通话信息输入所述图神经网络中，得到图嵌入特征。

8.根据权利要求7所述的装置，其特征在于，对于节点u，有邻居节点集合V_u，则第i个邻居节点u_i的注意力权重为：

其中，P_ui是第i个节点的通话信息。

9.根据权利要求7或8所述的装置，其特征在于，所述通话信息包括：通话时长和/或在预定时间内的通话次数。

10.根据权利要求7所述的装置，其特征在于，所述训练模块具体用于，将节点v在第k-1层固定个数的邻节点对应的向量序列进行聚合，得到节点v在第k层的聚合向量；

其中，节点v在第k层的聚合向量为：

其中，σ为非线性激活函数，为平均节点v的邻节点在第k-1层的向量，为节点v在第k-1层的向量，W_k和B_k为所述图神经网络的参数。